0. 你真正要回答的一句话
目录总表把目标写成：
Multimodal exogenous-information-guided long-term spatiotemporal prediction
（见 catalog 与
ANALYSIS_GUIDE）。
拆成四个词，读任何论文都先问：
Multimodal
不止一个观测通道：雷达、卫星、文本、站点、NWP… 异构。
Exogenous
外生条件：用来引导目标场，不是只靠目标场自己的历史。
Long-term
多步 / 多日 / S2S：误差累积与不确定性增长是一等公民。
Spatiotemporal
场随空间+时间演化：对齐、采样不规则、分布偏移都更难。
技能目标（本课）：看到一篇论文，能在 30 秒内说清它主要钉的是
W1 / W2 / W3 哪一层问题——而不是复述摘要。
0.5 一根轴就能读完？别被因果带偏
W1 旧六篇里 E2-CSTP 和 CausalX 太抢戏，容易让人以为本方向 =「严格控制外生」。
其实因果只是耦合松紧这根轴的最右端。先看光谱：
松 · 软条件中 · 相关路由紧 · 因果控制
prompt / ICLWeatherGFM · WeatherPEFT
条件扩散 / 软融合TCP-Diffusion · RainPro-8
同化 / 校正Latent-EnSF · VAE-Var
MoE 相关路由TiMi · Time-MoE
因果门控 / 图E2-CSTP · CausalX
结论：W1 要读的是边界地图（对齐 / 缺失 / 文本 / 任务化 / 条件扩散 / 长时体制），
不是因果专题。读论文时先给「coupling 松紧」贴位置，再问别的。
1. 三周 = 三层问题，不是三堆论文
Week 1 定问题边界
外生怎么合法进场？覆盖对齐、缺失、文本事件、任务化适配、条件扩散、长时体制——不是只有因果筛选。
- ① OmniField VpWDZ3yTBn — 条件神经场；不规则采样 + 模态 dropout（轴 C·B 中）
- ② PIPE hymrUe6ATL — 物理坐标位置编码，对齐卫星图块与数值序列（轴 C·B 中）
- ③ VoT/Text 0TAFiyHgEl — 事件文本抽取并注入数值预测（轴 A·D·B 中松）
- ④ WeatherPEFT eFExhM3tKr — 外生任务做成轻量 adapter，不重训 backbone（轴 D·B 松）
- ⑤ TCP-Diffusion / OmniCast 9cOtYlD5UA — 多模态条件扩散；跨尺度概率生成（轴 D·E·B 中松）
- ⑥ ERDM / Time-MoE NnRQOPzL9P — 滚动扩散保时序；或 MoE 大规模 backbone（轴 E·B 中）
- 对比参考（光谱右端，非入口） E2-CSTP vN3ZRS7L3I · CausalX qu17SFBMAO · TiMi O5wCHXOEug
↓
Week 2 场景化条件注入栈
按注入栈读：条件从哪来 → 怎么编码/对齐/灌进骨干。降水只是①–③实例；④跨域；⑤–⑥打开时效与融合形态。候选 OR 先全列，待扫后定稿。
- ① 多源条件+缺模态 RainPro-8 tFAzcPuZcT — 运营向条件表；缺模态 mask；cross-attn；概率 8h（非降水 SOTA 竞赛）
- ② 环境强迫注入 StormInsight fYLR5f1Xq2 — 强迫分层进骨干；垂直耦合当注入接口（非 nowcast 刷分手册）
- ③ 稀疏→稠密条件场 Station2Radar/QCGS PIfuPKATtm — 点状/稀疏观测 → 可喂预报器的场（非完整多步预报器）
- ④ 非气象对照 RiverMamba MZwGG87Jev 或 Eulerian AQ/CTENet 9StiSCqeRw — 洪水/空气质量上注入仍成立；物理/预报强迫当外生结构
- ⑤ 更长时效 ClimateAR OdrEcfMogy 或 CirT/S2Sformer YslOW2SO6S — 多日–季节下条件/尺度怎么变（非把 nowcast 拉长；ClimateAR 可与 W3 双列）
- ⑥ 融合形态 SIFusion 7CADRzMLou（多粒度） 或 Schrödinger Bridges XVHhMLqPrh（可信融合） — 多粒度并轨 vs 何时该信模态（勿糊成一篇）
- 附录（不进主栈） PIPE / TCP-Diffusion / WeatherPEFT → 回指 W1 或作对照
↓
Week 3 定长时 / 概率生成器
条件接好了之后，长 horizon 用什么生成器？如何建模不确定性与环境偏移？
- OmniCast 5Y8I2dKc91 — VAE + masked 潜在扩散，跨尺度抗累积误差
- ClimateAR OdrEcfMogy — 多尺度 AR 生成；对齐 tokenizer + 混合尺度条件
- ERDM NnRQOPzL9P — 滚动扩散：更长 lead 更大噪声 + 中程损失加权
- DynaMix RE97LT26w8 — 零样本动力学 MoE，保长期统计
- STPDE qiy68EEwhh — 不变扩散算子 × 环境基流形（外生可调流形坐标）
- Time-MoE / Moirai-MoE — 稀疏专家扩展容量；可做模态/模式路由骨干
2. 脉络逻辑（为什么这个顺序）
把研究写成流水线，三周对应三段：
- 选与对齐（W1）：外生信号怎么对齐？缺失怎么办？文本事件怎么进？任务化适配？条件扩散与长时体制——不只是因果筛选。
- 场景化注入栈（W2）：条件清单→强迫注入→条件场→跨域对照→长时条件→融合形态；降水非唯一实例。
- 长程生成（W3）：在条件已定的前提下，用扩散/AR/MoE/PDE 撑住长时与概率。
因此：W2 不是「降水 nowcast 精选」，而是按注入栈把 W1 边界问题实例化（可跨域、可拉长时效）；
W3 不是另起炉灶，而是回答「条件已经进模型后，时间轴怎么走远」。
读论文时先定位五维坐标（替掉旧的「四条轴」）：
A 外生内容 · B 耦合松紧 · C 对齐与表示 · D 注入接口 · E 长时体制。
因果只是 B 轴最右端；多数论文主攻 1–2 轴，你的方向最终要把 A–E 拼成可复现流水线。
速查见
reference · 五维表 + 松紧光谱。
3. 练习：30 秒归类
每题选最贴的一周（或主轴）。选完立刻看反馈。
4. 主文献（本课推荐精读入口）
有任何不清楚的地方，直接问我（你的教师代理）：例如「OmniField 和 PIPE 的对齐思路差别在哪」
「我的方法想卡在注入层还是生成器层」「耦合松紧该选哪一端」。
下一课建议：从 W1 抽出一张「问题边界检查清单」，用来审后续每一篇。